过去十年,深度学习领域出现了许多先进的新算法和突破性的研究,并且引入了新的计算机视觉算法。
这一切始于 2012 年的 AlexNet。AlexNet 是一个深度(卷积)神经网络,它在 ImageNet 数据集(拥有超过 1400 万张图片的数据集)上取得了很高的准确率。
人类是如何识别人脸的?
也许,人类大脑中的神经元首先识别场景中的人脸(从人的体形和背景),然后提取面部特征,并通过这些特征对人进行分类。我们已经在一个无限大的数据集和神经网络上进行了训练。
机器中的面部识别是以同样的方式实现的。首先,我们采用面部检测算法来检测场景中的人脸,然后从检测到的人脸中提取面部特征,最后使用算法对人进行分类。
面部识别系统的工作流
1. 人脸检测
人脸检测是物体检测的一个特化版本,特别之处在于,它只检测一种物体,即人脸。就像计算机科学里需要权衡时间和空间,机器学习算法也需要在推理速度和准确性之间进行权衡。现在有很多物体检测算法,不同算法对速度和准确性的取舍有所不同。
本文评估了如下几个最先进的物体检测算法:
OpenCV(Haar-Cascade)
MTCNN
YoloV3 和 Yolo-Tiny
SSD
BlazeFace
ShuffleNet 和 Faceboxes
为了构建一个强大的人脸检测系统,我们需要准确且快速的算法,以满足在 GPU 以及移动设备上实时运行的需要。
准确度
在流媒体视频的实时推理中,人们的面部可能有不同的姿势、遮挡和照明效果。因此,算法能在不同的光照条件和不同姿态下精确检测人脸非常重要。
在不同的姿态和光照条件下的人脸检测
OpenCV(Haar-ascade)
我们从 OpenCV 的 Haar-cascade 实现开始,它是一个用 C 语言编写的开源图像处理库。
优点: 由于这个库是用 C 语言编写的,所以它在实时系统中的推理速度非常快。
缺点: 这个实现的问题是它无法检测侧脸,而且在不同姿态和光照条件下表现欠佳。
MTCNN
这种算法基于深度学习方法。它使用深度级联卷积神经网络(Deep Cascaded Convolutional Neural Networks)来检测人脸。
优点: 它比 OpenCV 的 Haar-Cascade 方法准确性更高
缺点: 运行时间较长。
YOLOV3
YOLO(“You only look once”)是用于物体检测的最先进的深度学习算法。它由许多卷积神经网络组成,形成一个深度 CNN 模型 (深度意味着模型架构复杂性很高)。
原始的 YOLO 模型可以检测 80 个不同的物体类别,而且检测精度很高,而我们只需要用该模型检测一个物体——人脸。我们在 WiderFace(包含 393,703 个面部标签 的图像数据集)数据集上训练了这个算法。
YOLO 算法还有一个微型版本,即 Yolo-Tiny。Yolo-Tiny 需要的计算时间比较少,但却牺牲了一些准确性。我们用相同的数据集训练了一个 Yolo-Tiny 模型,其边界框(boundary box)结果并不一致。
优点: 非常准确,没有任何缺陷。比 MTCNN 更快。
缺点: 由于具有巨大的深度神经网络层,它需要的计算资源更多。因此,该算法在 CPU 或移动设备上运行地很慢。在 GPU 上,它的大型架构也需要耗费更多的 VRAM。
SSD
SSD(Single Shot Detector)也是一个类似 YOLO 的深度卷积神经网络模型。
优点: 良好的准确性。它可以检测各种姿势、光照和遮挡。良好的推理速度。
缺点: 比 YOLO 模型差。虽然推理速度较好,但仍不能满足在 CPU、低端 GPU 或移动设备上运行的要求。
BlazeFace
就像它的名字一样,它是由谷歌发布的速度极快的人脸检测算法。它接受 128x128 维的图像输入,推理时间是亚毫秒级,已优化到可以在手机中使用。它速度这么快的原因是:
YOLO 和 SSD 用来检测大量的类别,而 BlazeFace 不同,是一个专门的人脸检测器模型。因此 BlazeFace 的深度卷积神经网络架构比 YOLO 和 SSD 的架构小。
它采用的是深度可分离卷积层(Depthwise Separable Convolution),而不是标准的卷积层,这样就降低了计算量。
优点: 非常好的推理速度,且人脸检测的准确率高。
缺点: 这个模型的优化目标是对手机摄像头获取的图像进行人脸检测,因此它预期人脸会覆盖图像中的大部分区域,而当人脸尺寸较小时,它的识别效果就是很好。所以,当对闭路电视摄像机获取的(CCTV ,Closed Circuit Tele Vision)图像进行人脸检测时,它表现得并不理想。
Faceboxes
Faceboxes 是我们使用的最新的人脸检测算法。与 BlazeFace 类似,它是一个小型的深度卷积神经网络,只为检测一种类别——人脸而设计。它的推理时间可满足 CPU 上的实时检测需求。它的准确度可以与 Yolo 人脸检测算法相媲美,而且,不管图像中的人脸较大还是较小,它都可以精确地检测。
优点: 推理速度快,准确性好。
缺点: 评估仍在进行中。
2. 特征提取
在检测到图像中的人脸后,我们对人脸进行裁剪,并将其送入特征提取算法,该算法创建面部嵌入(face-embeddings)——一个代表人脸特征的多维(主要是 128 或 512 维)向量。我们使用 FaceNet 算法来创建面部嵌入。
嵌入向量代表一个人的面部特征。因此,同一个人的两个不同图像的嵌入向量之间的距离比较接近,而不同人的嵌入向量之间的距离比较远。其中,两个向量之间的距离采用的是欧氏距离。
3. 面部分类
在得到面部嵌入向量后,我们训练了一种分类算法,即 K- 近邻(K-nearest neighbor,KNN)算法,根据一个人的嵌入向量对其进行分类。
假设在一个组织中,有 1000 名员工。我们创建了所有员工的面部嵌入,并使用嵌入向量训练分类算法。该算法以面部嵌入向量作为输入,以人的名字作为输出返回。
在把图片放到网上前,用户可以采用过滤器修改图片中的特定像素。人眼无法察觉这些变化,但它会让面部识别算法觉得很困惑。—— ThalesGroup
当前,面部识别算法已经取得了巨大的进步。但这仅仅是技术革命的开始。可以想象一下,未来面部识别算法和聊天机器人技术的联合起来是多么强大。
人脸识别技术安全吗?
说了这么多,现在的人脸识别技术,到底安不安全呢?
首先我们要明确的是,人脸识别本身就不是百分之百准确的。
大家使用一些app的"刷脸支付"功能时,可能会发现,有时候app会提醒你输入手机号码后四位。
这就是因为app的人脸识别系统无法判断出"你到底是不是你",所以才需要手机号码后四位进行验证。
而传统的手机、电脑的人脸识别解锁,一般面对无法清楚判断的情况时,会直接选择不予解锁。
但是,我们前面说过,人脸识别是基于面部的特征点进行检测的。因此,只需将你的面部信息完全复制,从理论上说,就可以对你的设备进行解锁。
这就是央视新闻中提到的,将人脸信息3D打印成面具之后,戴上面具就可以解锁他人手机的原因。
与指纹和数字密码这另外两种常见的解锁方式相比,人脸识别的安全性处于中间位置。
指纹信息由于是二维信息,最容易泄露。
此前就有通过别人露出大拇指的高清照片,盗取别人的指纹进行解锁的新闻。除此之外,我们日常生活中接触的物品,也容易留下自己的指纹痕迹。
而数字密码由于有解锁次数限制,多次尝试错误之后会自动锁死机器,反而在各种解锁方式之中,显得最为安全。
通过打印3D面具对他人的设备进行解锁之前,必须得到他人精确的面部信息,而获取他人的面部信息,现在并不是一件容易的事情。
人的面部是立体的,信息量是三维的,不是简单地拍一张照片就可以得到这些信息。
不过,随着最近技术的发展,我们越来越需要注意个人的面部信息安全。
2019年,某科技公司推出的设备就拥有一项新的功能:用户可以在获取二维平面信息的同时,测出垂直镜头方向的深度信息。
利用这种三维的信息获取方式,用户手持装有激光雷达的设备,就可以扫描人脸的信息。
要获得一个能够用于制作3D面具的人脸模型,往往需要专业的扫描设备进行多次扫描,还需要你一动不动坐着好好配合扫描过程。
因此目前普通设备扫描得到的人脸面部信息,受限于扫描的分辨率,暂时还不能满足高精度人脸3D打印的需要。但这也提醒了我们,必须重视个人信息的安全保护。
文章来源: AI前线 ,中科院中国科普博览
参与评论
登录后参与讨论 0/1000